透明度与可解释人工智能（XAI）如何塑造推荐系统购买意愿：基于信号理论的条件性框架

《Information》：Beyond Usefulness: The Role of Transparency and Explainable AI in Shaping Purchase Intention in Recommender Systems

　　

算法解释可能为消费者评价提供信息，但理解某一理由与信任其来源是两种不同判断。研究基于信号理论（Signaling Theory）构建条件性框架，其中解释在可理解、与决策相关且可信时提供有用信息。研究对208名电子商务用户开展横断面便利抽样调查，并采用偏最小二乘结构方程模型（PLS-SEM）分析感知透明度、个性化、信任、有用性与购买意愿之间的关联。报告估计值包括透明度—信任（β = 0.794；f² = 1.71）与透明度—购买意愿（β = 0.350）。有用性—购买意愿路径无统计学显著性（β = 0.115，p = 0.113）。模型解释了46.5%的购买意愿方差。异常大的透明度—信任关联仍未解决，因为完整的测量与共同方法诊断（common-method diagnostics）不可获得。任务复杂性、感知决策风险与平台异质性被界定为未经检验的边界条件。研究贡献是一组可证伪的理论预期（falsifiable theoretical expectations）及初步调查关联；数据并未验证所提出的机制。在结构发现能够支持更强实质性结论之前，需要完整原始输出恢复或独立基准研究。

论文主体解读：

研究背景方面，推荐系统（Recommender Systems，按用户偏好、行为与情境筛选产品和服务的系统）已从信息过滤工具演变为影响产品发现与消费者选择的AI服务。随着推荐模型复杂化，用户可能难以理解特定替代项为何被呈现及其信息如何被使用；可解释人工智能（XAI，使系统输出更易被人类理解的人工智能）即针对该问题。技术接受模型（TAM）将感知有用性视为行为意向的前因，但在AI介导商务中，功能性评价可能与透明度、个性化及信任感知并存。现有问题在于：推荐代理看似有用时，其输出可信度或平台动机仍可能引发不确定性；解释的存在并不自动意味着其准确或能带来积极消费者反应。研究因此提出条件性框架，基于信号理论（Signaling Theory，分析信息不对称下信号传递的理论），考察解释在可理解、决策相关且可信时是否提供有用信息，并区分解释理解与来源信任。研究意义在于提出可证伪的理论预期和待检验边界条件，同时明确当前调查仅为初步关联，数据不验证所提出机制。

关键技术方法：采用定量、横断面便利抽样问卷，样本来源为通过社交媒体、专业与大学网络、电子商务讨论组及电子邮件邀请招募的电子商务用户；初始收集234份，清洗后保留208份完整回答，样本为有使用个性化推荐电子商务网站经验者，调查历时三个月。测量采用改编自文献的五点Likert量表，经3名电子商务与信息系统领域学者审阅，并以20名受访者预试。分析采用偏最小二乘结构方程模型（PLS-SEM，一种方差导向结构方程建模方法），报告测量模型与结构模型、bootstrapping（5000次重采样）、blindfolding（盲折叠，一种预测相关性评估程序）及交互项调节分析；年龄、性别、购物频率和产品类别仅作描述性变量。

研究结果：

6.1 结构模型评估（Structural Model Assessment）：基于可用bootstrapping摘要对六个直接假设进行结构模型评估，得出五条直接路径达到报告显著性标准，H1不支持。透明度与信任正相关（β = 0.794）、与感知有用性正相关（β = 0.371）、与购买意愿正相关（β = 0.350）；个性化与感知有用性正相关（β = 0.408）、与购买意愿正相关（β = 0.238）。有用性—购买意愿路径不显著（β = 0.115，t = 1.59，p = 0.113），H1不支持。报告指出这些估计不证明有用性已不再重要或消费者期望随时间变化，显著性决策也不确认测量效度或所提出机制。

6.2 效应量分析（f²）：报告f²（效应量指标，描述预测变量省略时解释方差变化）显示，透明度—信任的f²最大（1.71），其次为个性化—有用性（0.34）、透明度—购买意愿（0.19）、透明度—有用性（0.18）、个性化—购买意愿（0.12）和有用性—购买意愿（0.02）。由于透明度是信任的唯一指定预测变量且R² = 0.631，比值0.631/(1 ? 0.631)约为1.71，故该f²主要重述该方程解释方差，并非独立验证独特结构机制；其量级需检查共同方法膨胀、题目冗余和构念重叠。

6.3 预测相关性评估（Q²）：采用blindfolding程序评估预测相关性，Q²（盲折叠预测相关性指标）在信任为0.47、感知有用性为0.35、购买意愿为0.29，均为正，表明在该评估下具有预测相关性；报告同时指出其不替代基于新观测的样本外预测性能评估。

6.4 调节效应评估（Assessment of Moderating Effects）：采用交互项检验信任对感知有用性与购买意愿关系的调节，信任—有用性交互不显著（β = 0.067，t = 1.11，p = 0.267），H2不支持。该分析未检测到假设的调节，但不证明信任与有用性独立，也不排除其他样本中的调节；保留输出未记录交互构造方法或调节变量主效应估计，限制独立评估。

讨论部分总结：透明度—信任系数（β = 0.794，p < 0.001；f² = 1.71）是主要未解决分析问题。原文提出，实质性解读可视为消费者利用可理解信息评价推荐来源，竞争性解读则是 favorable platform impressions 同时驱动两种反应，或题目未能分离理解与信心；单来源单时点调查使共同方法膨胀具有可能性。信号理论说明当前估计不能确立消费者接收了可信信息、准确解释并据此更新信任；先前信任可能使推荐过程显得更清晰，先前满意购买也可能同时提高透明度评价和未来购买意愿，遗漏的平台声誉因素亦可产生三者。透明度—购买意愿系数同样只描述关联，不识别信念更新、中介或解释设计效应。有用性—购买意愿路径为正但不显著，原文指出这不能确立零效应或使TAM无效；样本中45.2%为18—24岁，但年龄并非数字熟悉度测量，熟悉度未评估。原文提出一种可能解释是经验丰富用户将常规推荐视为基线服务，降低有用性变异，但仍属推测；范围限制、测量误差、共享预测变量方差、估计不精确和平台差异亦可能。个性化与有用性、购买意愿正相关，但不建立因果收益，也未测量隐私担忧或感知监控机制。理论贡献在于区分解释理解与来源信心，并连接推荐解释与信息不对称，形成条件性、可证伪的命题；任务复杂性、感知决策风险和平台异质性构成待检验边界，但调查未测量这些条件。管理启示指出结果识别了可检查的消费者感知，但不证明增加透明度或个性化会改善信任或购买行为，实施前需评估用户是否理解推荐理由并将理解与平台总体信心区分，解释策略需通过可用性研究或对照试验独立评价。局限包括单来源横断面测量、同时性、反向因果、遗漏变量和共同方法效应未解决，便利招募、45.2%为18—24岁及自选平台经历限制概化；原始问卷、受访者层面数据、模型项目及完整分析输出不可用，构成不完整实证报告，需原始输出恢复审计或独立基准研究。

研究结论翻译：“该研究构建了基于信号理论（Signaling Theory）的解释框架，说明当推荐解释的内容可理解、与决策相关且可信时，其可能为消费者评价提供信息。任务复杂性、感知决策风险与平台异质性形成供未来检验的明确命题。探索性调查报告透明度与个性化具有正向关联，而有用性—意愿路径及所报告的信任交互无统计学显著性。异常大的透明度—信任估计在分析上仍未解决，不能验证所提出的机制。完整原始输出恢复或完成独立基准研究，是形成更强实证贡献的必要条件。因此，本文提供的是带有初步关联的有界理论框架，而非已确认的构念分离或因果效应。”